基于多尺度分形的森林火灾图像识别算法研究

论文摘要

森林火灾具有突发性、灾害发生的随机性、短时间内造成损失的巨大性等特点。如何对森林火灾的发生和蔓延进行预测预报,已成为一个迫切需要解决的问题。本文采用多重分形参数描述烟雾和火焰。首先,利用烟雾、森林和云雾的多重分形谱的不同,将图像中符合条件的特征点提取出来。然后,根据所提取出的像素点的分布特点识别出烟雾,从而实现烟雾和火焰与其复杂背景的准确分割。在Matlab仿真实验中,利用多重分形谱成功的将森林火灾引起的烟雾从整幅图像中识别出来,取得了较好的识别效果。本文将Contourlet变换引入森林火灾图像识别中,研究出一种多重分形和Contourlet变换相结合的森林火灾图像分割新算法。首先对图像进行Contourlet多层分解,得到一系列多尺度、局部化、多方向的子带图像。然后对低频子带进行多重分形特性分析,再将多重分形谱作为特征参量进行像素筛选,筛选出标志不同景物的像素点。最后,根据这些像素点的不同分布进行图像分割,从而实现烟雾的分割。实验结果表明,这种算法能够有效地实现火焰和烟雾的分割,提高了森林火灾图像分割的有效性。此算法具有良好的准确性和较高的实时性。

论文目录

• 中文摘要
• Abstract
• 第1章 绪论
• 1.1 课题目的和意义
• 1.2 国内外森林防火监测方法概述
• 1.3 森林火灾视频图像检测技术研究现状
• 1.3.1 室内及大空间建筑的早期火灾探测技术研究现状
• 1.3.2 森林火灾视频图像检测技术研究现状
• 1.4 本论文主要研究内容
• 1.5 本章小结
• 第2章 分形及多重分形
• 2.1 分形的定义
• 2.2 简单分形维数及计算方法
• 2.2.1 数盒子法
• 2.2.2 地毯式覆盖法
• 2.2.3 统计自相似性法
• 2.3 多重分形的定义
• 2.4 多重分形谱定义及计算方法
• 2.4.1 多重分形谱及相关定义
• 3.4.2 典多重分形谱的经典计算方法
• 2.6 本章小结
• 第3章 概率测度及权重因子
• 3.1 传统衬底法
• 3.2 新衬底法
• 3.3 多重加权法
• 3.4 方差法
• 3.5 多重区域方差法
• 3.6 线性区间及权重因子q确定
• 3.6.1 线性区间曲线分析
• 3.6.2 权重因子q值确定
• 3.7 本章小结
• 第4章 森林火灾图像识别与分析
• 4.1 多重分形谱的计算与比较
• 4.1.1 多重分形谱的计算过程
• 4.1.2 多重分形谱性能的比较
• 4.2 基于多重分形的森林火灾图像识别
• 4.2.1 森林火灾烟雾识别流程
• 4.2.2 实验仿真与分析
• 4.3 基于多尺度分形的森林火灾图像识别
• 4.3.1 基于Contourlet变换的图像分解
• 4.3.2 森林火灾烟雾识别流程
• 4.3.3 实验仿真与分析
• 4.4 与传统算子烟雾识别的比较分析
• 4.5 本章小结
• 结论与展望
• 参考文献
• 致谢
• 攻读学位期间发表论文